一宅广、 深度好文 | 讓你真正品嘗到“用戶畫像”的甜頭

這篇文章主要講解了幾點：用戶畫像的益處钓猬；創(chuàng)建用戶畫像的方法誊锭；如何豐富用戶畫像恬口；把握用戶畫像的顆粒度校读。

• 用戶畫像的益處
  用戶畫像可以使產(chǎn)品的服務(wù)對象更加聚焦。其次祖能，用戶畫像可以在一定程度上避免產(chǎn)品設(shè)計人員草率的代表用戶歉秫。用戶畫像還可以提高決策效率。
• 創(chuàng)建用戶畫像的方法
  用戶畫像從流程上可以分為三個步驟：獲取和研究用戶信息养铸、細(xì)分用戶群雁芙、建立和豐富用戶畫像。并給出了三種主要的創(chuàng)建方法：定性用戶畫像钞螟、經(jīng)定量驗證的定性用戶畫像兔甘、定量用戶畫像。作者使用表格的形式展現(xiàn)出了這三種方法的步驟及優(yōu)缺點鳞滨。
• 豐富用戶畫像
  在這一部分洞焙，作者舉了一個洋淘項目的例子，在前期獲取了大量枯燥且凌亂的基礎(chǔ)數(shù)據(jù)后太援，為了讓用戶畫像在產(chǎn)品設(shè)計中發(fā)揮作用闽晦，就需要細(xì)致分析數(shù)據(jù)扳碍，并賦予用戶畫像更多的元素提岔，打磨出了兩類主要用戶（海淘的主力用戶和資深用戶）畫像。
• 把握用戶畫像的顆粒度
  作者提出顆粒度的概念笋敞，就是我們的用戶畫像應(yīng)該細(xì)化到哪種程度碱蒙。掌握好顆粒度的“度”非常重要。

從這篇文章所列舉的幾個例子中夯巷，我掌握了能夠豐富用戶畫像的元素赛惩，接觸到了顆粒度這個新概念。同時在定性和定量的方法中趁餐，我覺得定性來說是經(jīng)過訪談等方式進行了解和分析喷兼，而定量是先定假說然后定量收集細(xì)分?jǐn)?shù)據(jù)來驗證細(xì)分用戶。

三后雷、【每天一個數(shù)據(jù)分析師】案例：電信用戶分群精準(zhǔn)畫像的7個步驟

本文是通過一個實際的電信用戶分群案例來介紹用戶畫像的步驟季惯，分群構(gòu)建用戶畫像的目的是為了分析寬帶客戶資源以進行精確電話營銷。

• 數(shù)據(jù)理解
  分別獲取客戶屬性信息數(shù)據(jù)臀突、產(chǎn)品信息勉抓、通信行為信息、價值信息和寬帶寬表數(shù)據(jù)候学。
• 確認(rèn)分析對象
  從客戶群中篩選出使用e8套餐并沒有c網(wǎng)手機的寬帶客戶藕筋。
• 變量篩選
  將寬帶寬表中的字段進行篩選，獲得需要的主要字段梳码，并且將具有明顯關(guān)聯(lián)關(guān)系的字段進行合并隐圾。不確定是否有關(guān)系性的的字段可以用SPSS檢驗統(tǒng)計量結(jié)果進行相關(guān)性判斷伍掀。最終確定主要輸入變量。
• 決策樹模型建立
  選擇CHAID節(jié)點對應(yīng)的目標(biāo)變量和預(yù)測變量設(shè)置翎承，輸出結(jié)果顯示為樹狀結(jié)構(gòu)硕盹，每個末端葉子代表一個細(xì)分用戶群體。
• 模型調(diào)優(yōu)
  對決策樹結(jié)果進行優(yōu)化叨咖，將規(guī)模小的群眾群體根據(jù)各自特征進行修剪合并瘩例。如果認(rèn)為決策樹的某個子節(jié)點對應(yīng)的決策樹規(guī)則不符合業(yè)務(wù)邏輯，則可選擇該決策樹節(jié)點下的樣本再建立一個子模型甸各，從新選擇新的變量垛贤。
• 模型結(jié)果解釋
  根據(jù)幾個主要判斷分群的原則，將篩選出的寬帶客戶主要分成4類客戶群趣倾，在進一步根據(jù)每個客戶群的消費行為去推測用戶的業(yè)務(wù)需求聘惦，使用主要字段來描述用戶特征，從而形成用戶畫像儒恋。

一善绎、 用戶畫像實例：創(chuàng)建可信的微博用戶畫像

這是一篇對微博用戶頭像構(gòu)建經(jīng)歷的流程的介紹，從前期的資料搜集到后面的數(shù)據(jù)挖掘诫尽，再到調(diào)研分析禀酱，最后形成角色構(gòu)建。

• 資料搜集和數(shù)據(jù)挖掘
  在畫像之前需要知道產(chǎn)品的用戶特征和用戶使用產(chǎn)品的行為等因素牧嫉，從而從總體上掌握對用戶需求需求剂跟。這里作者的一個觀點讓我贊同，就是創(chuàng)建用戶畫像不是抽離出典型進行單獨標(biāo)簽化的過程酣藻，而是要融合邊緣環(huán)境的相關(guān)信息來進行討論曹洽，使用戶畫像更上一個檔次。
  通過提取后臺數(shù)據(jù)了解用戶上網(wǎng)環(huán)境的關(guān)鍵指標(biāo)辽剧，這就是用戶的使用環(huán)境送淆。然后隨機提取大量的用戶個人屬性信息的關(guān)鍵因素，使用SPSS聚類分析區(qū)別最明顯的因素怕轿，得出最為典型的5類用戶及所占比例偷崩。
• 定量調(diào)研分析
  通過問卷調(diào)查了解微博用戶的使用場景、用戶關(guān)注的內(nèi)容撤卢、整體滿意程度以及個人的人口學(xué)統(tǒng)計特征等信息环凿，細(xì)化用戶畫像，降低用戶畫像的顆粒度放吩。
• 用戶訪談與角色建構(gòu)
  前期是一個搭建骨架的步驟智听，這一步目標(biāo)用戶的比例和使用特征數(shù)據(jù)，進行深度訪談，重點挖掘其生活情境與使用場景到推。圍繞用戶的行為特征考赛，通過添加環(huán)境、人際關(guān)系莉测、操作熟練程度颜骤、使用意向、人口統(tǒng)計學(xué)屬性等細(xì)節(jié)對用戶進行描述捣卤，形成用戶畫像的框架忍抽。

這篇文章細(xì)化了用戶畫像的構(gòu)建步驟，通過案例詳細(xì)解說了如何根據(jù)用戶的個人屬性數(shù)據(jù)來搭建用戶畫像的骨架以及之后如何來豐富用戶畫像的形象董朝。從而使用戶畫像同時有了數(shù)據(jù)支持和具象化的豐富鸠项。

一、 1號店架構(gòu)師王富平：一號店用戶畫像系統(tǒng)實踐

這篇文章詳細(xì)講了在一個一號店在社區(qū)經(jīng)營中是如何構(gòu)建和運用用戶畫像的子姜。文章主要講解了以下幾方面：

• 用戶標(biāo)簽畫像
  一號店的用戶標(biāo)簽大概包括基本信息祟绊、工作身份和偏好等等。在這個畫像構(gòu)建中作者提到了遇到的兩個問題：數(shù)量過大和需要記憶和存儲用戶畫像哥捕，并且要達(dá)到毫秒級的更新牧抽。
  對此他們不斷優(yōu)化用戶畫像算法模型；使用storm等實時技術(shù)遥赚；使用HBase的離線和在線分離等等方法形成了第一版初始畫像扬舒。

• 用戶畫像模型優(yōu)化
  用戶畫像模型優(yōu)化主要包含偏好優(yōu)化和購買周期優(yōu)化。
  1.偏好優(yōu)化鸽捻。偏好優(yōu)化就是根據(jù)用戶對欄目或者產(chǎn)品的權(quán)重來處理數(shù)據(jù)以及調(diào)整用戶畫像模型呼巴。
  2購買周期優(yōu)化泽腮。不同的物品有不同的購買周期御蒲，根據(jù)用戶行為和購買周期對用戶進行實時推薦。

一號店的用戶畫像系統(tǒng)主要分為離線和在線兩個部分诊赊，離線部分構(gòu)建基本用戶畫像厚满，在線部分對用戶模型進行優(yōu)化和建立借口。在用戶模型優(yōu)化中還提到了數(shù)據(jù)流優(yōu)化碧磅、存儲格式優(yōu)化和數(shù)據(jù)庫優(yōu)化碘箍。文章給我了一些啟示：在思考案例時要提煉出該項目方法論；用戶畫像的基礎(chǔ)是數(shù)據(jù)鲸郊，要通過觀察和研究數(shù)據(jù)丰榴，對數(shù)據(jù)有一定的敏感度，產(chǎn)生新的用戶畫像數(shù)據(jù)秆撮。